一张生成的标题卡,上面写着“Gemini 4 Neon's Three.js Demo”,副标题为“十五秒,一句话,无提示词”,旁边是一张小示意图,展示声称与实测之间的差距:一侧是一个视频帧,标注为“发布于 2026年11月19日,1920x1080,15.0s”,另一侧是一份清单,标注为“提示词、投入程度、token 数量、源文件”,大多数方框为空。
Guides & Insights

Gemini 4 Neon 的 Three.js 演示:15 秒究竟展示了什么

作者

Gideon Frost

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

2026 年 11 月 19 日,一位以 @chetaslua 为名发帖的开发者发布了一段十五秒的短片,并附了一句话:其中的动态图形是 Gem​ini 4 Neon 用“纯 @threejs”制作的,而且结尾的机器人舞很带劲。该视频为 1920×1080,时长十五秒。这就是公开记录的全部——没有提示词,没有源文件,没有思考等级,没有 token 数,也没有说明它究竟出自 API、AI Studio 还是 Antigravity。Gem​ini 4 Neon 是一个真实存在、已普遍可用的模型;Goog​le 的 DeepMind 模型页面将其列在 2026 年 11 月之下,Artificial Analysis 也已对其进行评分和定价。但发布出来的片段只是一种说法,不是一次测量,而这两者之间的距离才是这个故事有价值的部分。Gemini 4 Carbon 之所以被提及,只是因为 Goog​le 说 Neon 改编自这个同门模型,而且我们自己的产品目录实际收录的也是它——它不是这里的主题。

十五秒,已记录设置为零

从帖子本身可以核查的内容开始,因为这是一份简短的清单,而值得看看它到底有多短。

• 这一说法——即 Gem​ini 4 Neon 用纯 three.js 制作了这段动态图形。这是发帖者的归因。视频片段中没有任何内容能证明是哪个模型编写了代码,帖子讨论串中也没有任何地方展示代码。

• 时间戳——2026年11月19日16:51 UTC,即Neon在11月18日正式全面可用后一天。没人能指责这是在禁运下偷偷带出的发布前演示;它是同一周内的产物。

• 文件本身——十五秒,1920×1080,无旁白,以视频附件形式发布。是渲染好的成品,而不是编辑器的录屏。这一点很关键:一个人打字的录屏会暴露提示词、中间的错误以及尝试了几次。而成品渲染这些一概不显示。

• 互动量——我们抓取该帖文本时是 130 个赞。规模很小。这是某个人的展示分享,而不是有组织的演示投放,而这恰恰是它有意思的地方:没有人为了发布帖而刻意策划它。

缺失的是所有能让第二个人复现它的东西。提示词。投入程度——Neon 支持 low、medium、high 和 xhigh,而在同一提示词下,low 与 xhigh 之间的差距足以同时改变账单和输出。表面。被发布出来的那一次背后尝试了多少次。机器人舞是要求的还是即兴发挥的。之后是否有任何 JavaScript 被手动编辑过。这些中的每一项都只是后续帖子中的一行,而它们一个都没有。

Three.js 场景实际上测试的是什么

人们很容易把它归入“前端能力”之类,然后就此打住——无论朝哪个方向都是如此:要么当作模型擅长图形的证据,要么当作漂亮的渲染结果说明不了任何问题的证据。可这两种解读一旦接触到这件产物本身,就都站不住脚了。

three.js 是任何模型训练数据中出现得最多的库之一。一个包含相机、灯光、网格和渲染循环的场景,几乎就是过去三年 Web 开发中“看看我做了什么”的典型产出。当前每一个前沿模型都能生成一个渲染出某个旋转物体的页面。因此,一个十五秒短片里存在一个像样的 three.js 场景,几乎不能说明它是哪个模型做的——这正是为什么在那句话里,发帖者的归因承担了全部作用。

真正更难的地方,以及一个结尾带有时序舞蹈的动态图形实际会考验的,是那部分没有正确性判定器的内容。动态图形是一个序列:一个带有转场的动画状态机、一条镜头路径、一些缓动曲线、一组必须落在节拍上的事件顺序。没有任何测试会断言这段舞蹈看起来是对的。模型必须在脑中装着一个 16 秒的分镜,输出时间常量,并且不跑偏。当有人说最后四秒“上强度”时,他们是在对编排和节奏作出判断——而节奏恰恰是单次代码生成最不擅长的东西,因为当时间安排只是平庸时,循环里没有任何东西会失败。

这才是这段视频值得再看一眼的真正原因,尽管它什么也证明不了。它说的是时间层面的构图,而不是着色器数学。一个能编写着色器的模型,和一个能把一段十五秒的序列保持连贯的模型,是两种不同的主张,而这里只提出了其中一种。

Neon 确实拥有的数字

Artificial Analysis 是唯一设有 Gemini 4 Neon 条目的独立评分榜,仔细阅读它,是看清所发布的片段距离任何已测量结果有多远的最快方法。

Screenshot of the Artificial Analysis analysis page for Gemini 4 Neon, headed 'Intelligence, Performance & Price Analysis', showing an Intelligence Index of 61 at xhigh effort with ranks of 6 of 96, 73 of 95 and 79 of 95 across the panels, 110 output tokens per second, 21.5 minutes per task, $3.00 input and $15.00 output per million tokens, and a verbosity panel reporting 283 million output tokens and a 3.482% output-to-input ratio.

在 xhigh 思考级别下,Intelligence Index 上的头条成绩是 61,在榜单上的 96 个模型中排名第六。同一个模型在 high 下是 60,在 medium 下是 55,在 low 下是 44——在它自己的 effort 阶梯上形成了 17 分的跨度;如果你正打算向任何人引用 “61”,这是本文中最关键的一个数字。六十一是一个 xhigh 成绩。Neon’s 文档记录的默认值是 high。

榜单的其余部分,正是这种演示习惯代价高昂之处。输出速度为每秒 110 个 token。该模型完成一项 Intelligence Index 任务需要 21.5 分钟,而同等价格模型的用时中位数为 12.1 分钟;其性能在 95 个模型中排名第 73,成本排名第 79。在冗长程度上,它在 95 个模型中排名第 93:整个索引运行共产生 2.83 亿个输出 token 和 81.2 亿个输入 token,输出与输入之比为 3.48%,而输出 token 的中位数约为 6500 万个。Artificial Analysis 自己的总结称其非常冗长,并将单次索引任务的成本定为 6.44 美元。按 Goog​le 的价目表,这相当于每百万输入 token 3.00 美元、每百万输出 token 15.00 美元,缓存输入为 0.15 美元。

Goog​le 自己发布的表格是另一类数字,并且应当如此标注:供应商报告,而非由 Goog​le 之外的任何人复现。CursorBench 4.1 为 65.4%,Terminal-bench 4.1 为 65.2%,FrontierCode 2.0 为 46.2%,SWE-sweep 在 Goog​le 自己的测试框架中为 39.0%,AutomationBench 为 56.3%,Agents’ Last Exam v1.1 为 75.8%,RiemannBench 为 84.0%,GraphWalks 为 95.2%。其中每一项都是智能体、编程或长上下文测量。它们中没有一项测量“根据简短提示一次性生成有吸引力的动画场景”,因为没有基准测试这样做。这个演示和排行榜测量的并不是同一件事,而且二者都没有测量那段片段被拿来当作证据所要证明的东西。

一次演示尝试究竟要付出多大代价

价格很重要,因为演示是迭代式的,而 Neon 按实测来说很冗长。一个十五秒的渲染结果并不能说明它经过了多少次尝试,而每一次尝试都是一次完整生成。

• 一次 25,000 个输出 token 的尝试——对于高投入下的一个 three.js 场景来说,这是一个合理的规模,且推理 token 也计入输出——按每百万 15 美元计算,大约需要 38 美分。

• 一次 6 万 token 的尝试大约要花 90 美分。这样的尝试来个三四次,再加上几次重试,你在这份演示上花掉的钱,就已经超过这份演示作为证据本身的价值了。

• 一次 200,000 token 的尝试——也就是模型在 xhigh 下费尽心思推演一个动画状态机时才会达到的那种数字——仅此一项就要 3.00 美元。

Batch 和 Flex 层级按半价计费,因此同样三次尝试按每百万 1.50 美元和 7.50 美元计算,费用大约减半。这些都不算稀奇;只是并非免费,而这段视频并没有说明。

A generated cost card titled 'What a demo attempt costs', listing three attempts at $15.00 per million output tokens: 25,000 tokens at about 38 cents, 60,000 tokens at about 90 cents, and 200,000 tokens at $3.00, with a second column showing the same three at the half-rate batch and flex prices of $1.50 and $7.50 per million, and a footer reading 'Arithmetic at the published Neon rate card; no measurement of the posted clip.'

这就是为什么应通过路由器试用一个未经验证的模型,而不是把它接入生产路径的理由。Neon 才问世两天,其冗长程度在自家评估面板上排名最差,而且针对这一特定用例的唯一公开成品只是一个人完成的渲染结果。这样的模型适合与其他模型并列调用、比较账单,而不适合在十一月就让客户押注其上。

怎样才能让下一个片段变得可核查?

这一切都不是对发帖人的批评——他做出了一个东西,并把它分享了出来。这是一个简短的协议,而任何发布下一个协议的人都可以用寥寥几行补上这个缺口:

• 提示词,逐字照录。不是转述——是实际文本。这是价值最高的一行,而且把它加进去不花任何成本。

• 模型标识符和投入等级。“Gem​ini 4 Neon at high”与“Gem​ini 4 Neon at xhigh”是不同的说法,而在 $15 的输出费率下,这一差异就是钱。

• 表层。Antigravity、AI Studio 与原生 API 所采用的系统提示不同,工具脚手架也不同;在智能体式 IDE 中生成的场景,与由单次补全生成的场景并非同一产物。

• 尝试次数和输出 token 总数。这两个数字都能在计费控制台中看到,合在一起,就能把一则轶事转化为每次可用渲染的成本。

• 源文件。一个自包含的 HTML 页面,连同其中的 three.js 导入与动画循环,就是完整的可复现产物,而且它通常不到一百千字节。

• 一个失败案例。在相同设置下,模型无法完成的第二个提示词。一个没有记录任何失败模式的演示,看起来就像一段精彩集锦,因为它本来就是。

至少在其中前三项存在之前,对这段视频的诚实总结是:一个前一天发布的模型做出了一个称职的网页开发者会乐于做出来的东西,而仅从文件来看,我们无法判断功劳有多少属于模型、多少属于提示词、多少属于编辑。

如何自行重新运行测试

截至 2026 年 11 月 20 日,Gemini 4 Neon 不在 OrcaRouter 目录中——我们路由的 Gemini 4 模型是 google/gemini-4-carbon 和 google/gemini-4-argon,目录中共有 217 个模型标识符。因此,如今这项测试的可行版本是同系列内比较:通过 Google 自己的 API,以高投入设置分别对 Carbon 和 Neon 运行相同的动态图形提示词,并比较输出 token 数、实际耗时,以及渲染结果中有多少部分需要你二次请求。

对我们这边来说,Carbon 这一半的对比很容易搭建。一个密钥即可覆盖整个目录,供应商标价按 0% 加价原样透传,因此 Google 费率一变,你的账单当天就会生效,而不必等到下一张发票;故障转移则意味着单次生成失败不会终止整个运行。如果你要拿一个两天前发布的模型与一个成熟稳定的模型做对比,路由 DSL 会把两者放到同一个端点后面并返回这一对结果,这是获得真实答案而非主观印象的最省钱方式。

Screenshot of the OrcaRouter model page for google/gemini-4-argon, showing the model header with a zero-retention agreement noted, the chat-completions and generateContent endpoints, input priced at $2.00 and output at $10.00 per million tokens, cache reads at $0.100, and code samples calling google/gemini-4-argon through the OpenAI-compatible base URL https://api.orcarouter.ai/v1 with an ORCAROUTER_API_KEY.

真正值得关注的,不是会不会出现更多精美的片段——它们会出现,每个实验室都会无止境地发布下去。真正值得关注的是,发布这些片段的人是否会开始附上提示词和投入等级。一旦有人这样做,比较就变得可能:同一个 16 秒分镜,在四个思考等级下运行,并在每次渲染旁边附上 token 数和账单。就这个具体问题而言,那一条帖子会比 Goog​le 发布的整张基准测试表更有价值,因为它将是第一次衡量 Neon 能否让一段有时序的序列保持连贯,而不是衡量它能否编写着色器。

在那之前,就把这段视频当作它本来的样子来看待:一件不错的产物,一个看似合理的能力信号,以及一个其最有力证据不过是发布者本人声誉的说法。